逆向文档频率 （Inverse Document Frequency，IDF） = log(总的文档数N / (1+出现词w的文档数n)) 。 IDF其实衡量了词w在每篇文档中提供的信息量。即IDF可以反映w的独特性 。例如： 北京和西安在同一篇文档中的词频均为20%，那如何估计北京是该文的关键字，还是西安呢？如果同时有10篇文章均提到了北京，恰好只有这篇文章提到了西安，则西安作为这篇文章的关键字更为合理。这就是逆向文档频率IDF的核心思想。

逆向文件频率（IDF，Inverse Document Frequency）是信息检索和文本挖掘中的一种度量，用于评估一个词在整个文档集合中的重要性。IDF的主要思想是：如果包含词条t的文档越少（即n越小），IDF越大，则说明词条t具有很好的类别区分能力。

在给定的选项中，以下说法错误的是：

C: 如果一个词集中出现在某些文档，则这个词越重要。

**分析：**
- **选项A：** IDF确实表示一个词在文档中的分布状况。IDF值高的词在文档集合中出现的频率较低，意味着它们可以更好地区分不同的文档。
- **选项B：** 如果一个词没有集中出现在某些文档（即在文档集合中出现频率低），则这个词的IDF值高，表明它在区分文档类别时更重要。
- **选项C：** 这个说法是错误的。如果一个词集中出现在某些文档中，它的IDF值会较低，因为它在文档集合中出现的频率高，无法有效区分不同的文档。
- **选项D：** 以上都错是不正确的，因为选项A和选项B是正确的。

因此，正确答案是：**C: 如果一个词集中出现在某些文档，则这个词越重要。**

这个选项的错误在于误解了IDF的作用，IDF值高的词是那些在文档集合中出现频率低的词，而不是集中出现在某些文档中的词。